在二维点云中查找最大的空矩形(迷失方向)

Question

如上所述，我希望在给定的二维点云中找到最大的空矩形。然后，此信息将用于获取图像中显示为绿线的平行线，然后将用于获取LiDAR旋转的角度。

我已经用这个点云数据在matlab中尝试了凸包，边界和alpha形状函数。从表面上看，我想我必须

(1)将点云分成两块(礼品包装算法？)然后

(2)应用边界函数，从边界函数中提取坐标，

(3)我正在考虑运行RANSAC直线拟合。

然而，RANSAC需要更多的分数来判断这条线的“适合性”。目前，我正在探索Hough变换，看看直线检测是否适用于这种情况。

因此，这里的问题是，

(1)我是否在正确的轨道上找到绿线？还是有更好的方法？

(2)当直线垂直时，如何从直线获取角度值/渐变(tan(90) = inf)

第二幅图像描述了原点可能位于云点的中心或偏移量。我们可以假设将会有不同距离的平行线。

​

​

​

​

Answer 1

您可以使用kmeans聚类来查找两个聚类，然后从一个聚类中分别查找距离最小的两个点

%a function for rotation of points
function out = rot(theta,data)
    mat = [cos(theta), -sin(theta);
           sin(theta), cos(theta)];
    out = data * mat.';
end
a= [rand(505,1)*.4 , rand(505,1) ];
b= [rand(500,1)*.4 + .6 , rand(500,1)];
a = [a;b];
rt = rot(.4,a);
%kmeans clustering
km=kmeans(rt,2);
class1 = rt(km==1,:);
class2=rt(km==2,:);
%find min distance
[srch, d] = dsearchn(class1, class2);
[mn, I] = min(d);

plot(rt(:,1), rt(:,2),'.')
hold on
p1 = class1(srch(I),:);
p2 = class2(I,:);
plot(p1(1),p1(2),'*r')
plot(p2(1),p2(2),'*g')
xy = [class1(srch(I),:);class2(I,:)]
plot(xy(:,1),xy(:,2),'-g')
axis equal